Git Stars Git Stars

#data-engineering Repositorios

Descubre 152 repositorios activos de código abierto de GitHub etiquetados con #data-engineering, que acumulan 727,632 estrellas en total (una media de 4,787 estrellas por proyecto). El líder de este tema es apache/superset, con 75,603 estrellas.

152
Total de Repositorios
727,632
Total de estrellas
4,787
Promedio de Estrellas/Repo

152 repositorios en total

1
apache/superset

Apache Superset es una Plataforma de Visualización de Datos y Exploración de Datos

apache
⭐ 75,603 Python 👤 apache Organization 🕐 Actualizado 2026-11-21 📅 Creado 2015-07-21
2
GokuMohandas/Made-With-ML

Aprende a desarrollar, implementar y iterar en aplicaciones de ML de grado de producción.

GokuMohandas
⭐ 50,112 Jupyter Notebook 👤 GokuMohandas User 🕐 Actualizado 2026-03-04 📅 Creado 2018-11-05
3
apache/airflow

Apache Airflow - Una plataforma para crear de manera programática, programar y monitorear flujos de trabajo

apache
⭐ 47,583 Python 👤 apache Organization 🕐 Actualizado 2026-11-21 📅 Creado 2015-04-13
4
DataTalksClub/data-engineering-zoomcamp

Data Engineering Zoomcamp es un curso gratuito de 9 semanas sobre la creación de canalizaciones de datos listas para producción. Únete al curso aquí 👇🏼

DataTalksClub
⭐ 46,997 Jupyter Notebook 👤 DataTalksClub Organization 🕐 Actualizado 2026-11-16 📅 Creado 2021-10-21
5
kestra-io/kestra

Orqueste todo, en todas partes. El plano de control de código abierto para flujos de trabajo de datos, infraestructura, procesos empresariales y agentes de IA. Declarativo con YAML, basado en eventos, compatible con cualquier lenguaje, con control de versiones en Git y escalable a millones de ejecuciones.

kestra-io
⭐ 30,303 Java 👤 kestra-io Organization 🕐 Actualizado 2026-11-20 📅 Creado 2019-08-24
6
eugeneyan/applied-ml

📚 Artículos y blogs de tecnología de empresas que comparten su trabajo sobre ciencia de datos y aprendizaje automático en producción.

eugeneyan
⭐ 28,577 👤 eugeneyan User 🕐 Actualizado 2024-07-18 📅 Creado 2020-07-04
7
PrefectHQ/prefect

Prefect es un marco de orquestación de flujos de trabajo para construir tuberías de datos resilientes en Python.

PrefectHQ
⭐ 24,203 Python 👤 PrefectHQ Organization 🕐 Actualizado 2026-11-21 📅 Creado 2018-06-29
8
airbytehq/airbyte

Movimiento de datos de código abierto para pipelines ELT y agentes de IA — de APIs, bases de datos y archivos a almacenes, lagos y aplicaciones de IA. Tanto autoalojado como Cloud.

airbytehq
⭐ 22,426 Python 👤 airbytehq Organization 🕐 Actualizado 2026-11-21 📅 Creado 2020-07-27
9
Avaiga/taipy

Convierte datos y algoritmos de IA en aplicaciones web listas para producción en muy poco tiempo.

Avaiga
⭐ 19,458 Python 👤 Avaiga Organization 🕐 Actualizado 2026-08-10 📅 Creado 2022-02-18
10
argoproj/argo-workflows

Motor de Flujos de Trabajo para Kubernetes

argoproj
⭐ 17,108 Go 👤 argoproj Organization 🕐 Actualizado 2026-11-21 📅 Creado 2017-08-21
11
dagster-io/dagster

Una plataforma de orquestación para el desarrollo, producción y observación de activos de datos.

dagster-io
⭐ 16,453 Python 👤 dagster-io Organization 🕐 Actualizado 2026-11-20 📅 Creado 2018-04-30
12
andkret/Cookbook

El Libro de Recetas de Ingeniería de Datos

andkret
⭐ 15,594 Python 👤 andkret User 🕐 Actualizado 2026-10-16 📅 Creado 2019-03-10
13
semantica-agi/semantica

Capa semántica nativa de grafos para una IA empresarial confiable

semantica-agi
⭐ 14,701 Python 👤 semantica-agi Organization 🕐 Actualizado 2026-11-21 📅 Creado 2025-06-25
14
fivetran/great_expectations

Siempre sepa qué esperar de sus datos.

fivetran
⭐ 11,941 Python 👤 fivetran Organization 🕐 Actualizado 2026-11-17 📅 Creado 2017-09-11
15
cocoindex-io/cocoindex

Motor incremental para agentes de horizonte largo 🌟 ¡Pon una estrella si te gusta!

cocoindex-io
⭐ 11,923 Rust 👤 cocoindex-io Organization 🕐 Actualizado 2026-11-21 📅 Creado 2025-03-03
16
xonsh/xonsh

🐚 Shell impulsado por Python. Con todas las funciones, multiplataforma y amigable con la IA.

xonsh
⭐ 9,704 Python 👤 xonsh Organization 🕐 Actualizado 2026-11-16 📅 Creado 2015-01-21
17
risingwavelabs/risingwave

Plataforma de streaming de eventos para IA agentiva. Ingestión, transformación y servicio continuos de flujos de eventos en tiempo real, a escala.

risingwavelabs
⭐ 9,425 Rust 👤 risingwavelabs Organization 🕐 Actualizado 2026-11-21 📅 Creado 2022-01-28
18
mage-ai/mage-ai

🧙 Cree, ejecute y administre pipelines de datos para integrar y transformar datos.

mage-ai
⭐ 8,850 Python 👤 mage-ai Organization 🕐 Actualizado 2026-11-20 📅 Creado 2022-05-16
19
redpanda-data/connect

Procesamiento de streams sofisticado hecho operacionalmente mundano

redpanda-data
⭐ 8,804 Go 👤 redpanda-data Organization 🕐 Actualizado 2026-11-21 📅 Creado 2016-03-22
20
growthbook/growthbook

Feature Flags Open Source, Experimentación y Análisis de Producto

growthbook
⭐ 8,639 TypeScript 👤 growthbook Organization 🕐 Actualizado 2026-11-21 📅 Creado 2021-05-07
21
Zipstack/unstract

Extracción de Datos No Estructurados Impulsada por LLM — Diseñada para Despliegues API y Flujos de Trabajo ETL

Zipstack
⭐ 7,462 Python 👤 Zipstack Organization 🕐 Actualizado 2026-11-20 📅 Creado 2024-02-21
22
feast-dev/feast

El almacén de características de código abierto para IA/ML

feast-dev
⭐ 7,362 Python 👤 feast-dev Organization 🕐 Actualizado 2026-11-21 📅 Creado 2018-12-10
23
evidence-dev/evidence

Inteligencia empresarial como código: cree visualizaciones de datos rápidas e interactivas en SQL y markdown

evidence-dev
⭐ 7,140 TypeScript 👤 evidence-dev Organization 🕐 Actualizado 2026-11-20 📅 Creado 2021-05-27
24
cloudquery/cloudquery

Pipelines de datos para la configuración en la nube y los datos de seguridad. Desarrolle soluciones de inventario de activos en la nube, CSPM, FinOps y gestión de vulnerabilidades. Extracción de datos de AWS, Azure, GCP y más de 70 fuentes cloud y SaaS.

cloudquery
⭐ 6,561 Go 👤 cloudquery Organization 🕐 Actualizado 2026-11-21 📅 Creado 2020-11-18
25
dlt-hub/dlt

Data Load Tool (dlt) es una biblioteca Python de código abierto que facilita la carga de datos 🛠️

dlt-hub
⭐ 6,115 Python 👤 dlt-hub Organization 🕐 Actualizado 2026-11-20 📅 Creado 2022-01-26
26
WeiYe-Jing/datax-web

Página de visualización integrada de DataX: seleccione una fuente de datos para generar tareas de sincronización de datos con un solo clic. Soporta fuentes de datos como RDBMS, Hive, HBase, ClickHouse, MongoDB, etc. Creación masiva de tareas de sincronización de datos RDBMS, integración con sistemas de programación de código abierto, soporte para procesamiento distribuido, sincronización incremental de datos, visualización en tiempo real de registros de ejecución, monitoreo de recursos del ejecutor, KILL de procesos en ejecución, encriptación de información de fuentes de datos, etc.

WeiYe-Jing
⭐ 5,958 Java 👤 WeiYe-Jing User 🕐 Actualizado 2024-06-02 📅 Creado 2019-11-19
27
Eventual-Inc/Daft

Motor de datos de alto rendimiento para cargas de trabajo de IA y multimodales. Procese imágenes, audio, video y datos estructurados a cualquier escala.

Eventual-Inc
⭐ 5,858 Rust 👤 Eventual-Inc Organization 🕐 Actualizado 2026-11-09 📅 Creado 2022-04-25
28
treeverse/lakeFS

lakeFS - Control de versiones de datos para su lago de datos | Git para datos

treeverse
⭐ 5,590 Go 👤 treeverse Organization 🕐 Actualizado 2026-11-19 📅 Creado 2019-09-12
29
chiphuyen/dmls-book

Resúmenes y recursos para el libro "Designing Machine Learning Systems" (Chip Huyen, O'Reilly 2022)

chiphuyen
⭐ 5,481 👤 chiphuyen User 🕐 Actualizado 2026-06-09 📅 Creado 2022-05-27
30
ruc-datalab/DeepAnalyze

DeepAnalyze es el primer LLM agéntico para la ciencia de datos autónoma. 🎈 ¡Tu analista de datos de IA que analiza automáticamente grandes cantidades de datos y genera informes de análisis profesionales con un solo clic!

ruc-datalab
⭐ 4,833 Python 👤 ruc-datalab Organization 🕐 Actualizado 2026-11-02 📅 Creado 2025-10-11
31
rudderlabs/rudder-server

Alternativa a Segment enfocada en Privacidad y Seguridad, en Golang y React

rudderlabs
⭐ 4,520 Go 👤 rudderlabs Organization 🕐 Actualizado 2026-11-20 📅 Creado 2019-07-19
32
Moataz-Elmesmary/Data-Science-Roadmap

Hoja de ruta de ciencia de datos de la A a la Z

Moataz-Elmesmary
⭐ 4,429 👤 Moataz-Elmesmary User 🕐 Actualizado 2025-12-06 📅 Creado 2022-04-17
33
whoiskatrin/sql-translator

SQL Translator es una herramienta para convertir consultas en lenguaje natural en código SQL utilizando inteligencia artificial. Este proyecto es 100% gratuito y de código abierto.

whoiskatrin
⭐ 4,315 TypeScript 👤 whoiskatrin User 🕐 Actualizado 2025-07-06 📅 Creado 2023-03-11
34
aws/aws-sdk-pandas

pandas en AWS - Integración fácil con Athena, Glue, Redshift, Timestream, Neptune, OpenSearch, QuickSight, Chime, CloudWatchLogs, DynamoDB, EMR, SecretManager, PostgreSQL, MySQL, SQLServer y S3 (Parquet, CSV, JSON y EXCEL).

aws
⭐ 4,124 Python 👤 aws Organization 🕐 Actualizado 2026-11-21 📅 Creado 2019-02-26
35
adilkhash/Data-Engineering-HowTo

Una lista de recursos útiles para aprender Data Engineering desde cero

adilkhash
⭐ 4,049 👤 adilkhash User 🕐 Actualizado 2026-10-30 📅 Creado 2019-03-28
36
knownsec/aipyapp

Python impulsado por IA e IA impulsada por Python (Uso de Python)

knownsec
⭐ 4,026 HTML 👤 knownsec Organization 🕐 Actualizado 2026-02-15 📅 Creado 2025-04-06
37
quadratichq/quadratic

Hoja de cálculo con IA, Código, Conexiones

quadratichq
⭐ 3,958 Rust 👤 quadratichq Organization 🕐 Actualizado 2026-03-07 📅 Creado 2021-11-11
38
camelot-dev/camelot

Una biblioteca de Python para extraer datos tabulares de PDFs

camelot-dev
⭐ 3,858 Python 👤 camelot-dev Organization 🕐 Actualizado 2026-11-21 📅 Creado 2019-07-01
39
Netflix/maestro

Maestro: El orquestador de flujos de trabajo de Netflix

Netflix
⭐ 3,852 Java 👤 Netflix Organization 🕐 Actualizado 2026-11-06 📅 Creado 2024-04-17
40
dathere/qsv

Kit de herramientas de manipulación de datos neuro-simbólica ultrarrápida

dathere
⭐ 3,836 Rust 👤 dathere Organization 🕐 Actualizado 2026-11-21 📅 Creado 2020-12-11
41
moabukar/tech-vault

¡Una lista de muchas preguntas de entrevista y desafíos del mundo real en tecnología! (https://tech-vault-web.vercel.app/)

moabukar
⭐ 3,599 HCL 👤 moabukar User 🕐 Actualizado 2026-03-01 📅 Creado 2023-03-27
42
lakehq/sail

Sustituto drop-in de Apache Spark escrito en Rust, que unifica el procesamiento por lotes, el procesamiento en streaming y las cargas de trabajo de IA intensivas en cómputo.

lakehq
⭐ 3,504 Rust 👤 lakehq Organization 🕐 Actualizado 2026-11-21 📅 Creado 2023-12-21
43
superstreamlabs/memphis

Memphis.dev es una plataforma de transmisión de datos altamente escalable y sin esfuerzo

superstreamlabs
⭐ 3,442 Go 👤 superstreamlabs Organization 🕐 Actualizado 2026-03-02 📅 Creado 2022-02-01
44
GokuMohandas/mlops-course

Aprenda a diseñar, desarrollar, implementar e iterar en aplicaciones de ML listas para producción.

GokuMohandas
⭐ 3,272 Jupyter Notebook 👤 GokuMohandas User 🕐 Actualizado 2024-08-16 📅 Creado 2020-11-12
45
apache/devlake

Apache DevLake es una plataforma de datos de desarrollo de código abierto para ingerir, analizar y visualizar los datos fragmentados de las herramientas DevOps, extrayendo información para la excelencia en ingeniería, la experiencia del desarrollador y el crecimiento de la comunidad.

apache
⭐ 3,204 Go 👤 apache Organization 🕐 Actualizado 2026-11-19 📅 Creado 2021-07-08
46
itsdecodingai/second-brain-ai-assistant-course

Aprende a construir tu asistente de IA Second Brain con LLMs, agentes, RAG, fine-tuning, LLMOps y técnicas de sistemas de IA.

itsdecodingai
⭐ 3,138 Jupyter Notebook 👤 itsdecodingai Organization 🕐 Actualizado 2026-04-06 📅 Creado 2024-12-30
47
Zleap-AI/SAG

Un nuevo SOTA para RAG: una arquitectura de recuperación original y una base de conocimientos de código abierto para humanos y agentes.

Zleap-AI
⭐ 3,004 Python 👤 Zleap-AI Organization 🕐 Actualizado 2026-11-13 📅 Creado 2025-11-07
48
gunnarmorling/awesome-opensource-data-engineering

Una lista impresionante de proyectos de ingeniería de datos de código abierto

gunnarmorling
⭐ 2,946 👤 gunnarmorling User 🕐 Actualizado 2024-10-04 📅 Creado 2020-02-11
49
danielbeach/data-engineering-practice

Problemas de práctica de ingeniería de datos

danielbeach
⭐ 2,706 Python 👤 danielbeach User 🕐 Actualizado 2025-01-08 📅 Creado 2022-02-17
50
meltano/meltano

Meltano: el motor de integración de datos declarativo y centrado en el código que impulsa sus ideas más descabelladas de productos impulsados por datos e IA. Diga adiós a la escritura, el mantenimiento y la escalada de sus propias integraciones de API.

meltano
⭐ 2,683 Python 👤 meltano Organization 🕐 Actualizado 2026-11-21 📅 Creado 2021-06-21

Preguntas frecuentes

1

¿Cuál es el repositorio de #data-engineering más popular en GitHub?

El proyecto de código abierto de #data-engineering mejor posicionado en GitHub es apache/superset, con 75,603 estrellas. Apache Superset es una Plataforma de Visualización de Datos y Exploración de Datos

2

¿Qué lenguajes de programación se utilizan más en los repositorios de #data-engineering?

Entre los proyectos de #data-engineering mejor posicionados en GitHub, los lenguajes de programación más comunes son Python, Go, Rust, Jupyter Notebook.

3

¿Cómo se calcula la clasificación de los repositorios de #data-engineering?

Seguimos 152 repositorios activos de código abierto etiquetados con #data-engineering (500+ estrellas), que suman un total de 727,632 estrellas, con una media de 4,787 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.